Gemma 4 12B：谷歌发布无编码器多模态开源模型，16GB 笔记本即可本地运行
- 无编码器统一架构：图像与音频原始数据直接送入 LLM 主干，省去独立视觉/音频编码器，降低多模态延迟
- 首个支持原生音频输入的中型 Gemma 模型：可直接处理文本、图像、视频和音频
- 笔记本可跑：仅需 16GB 显存或统一内存，性能接近更大的 26B MoE 模型，但内存占用不到其一半
- 开源开放：Apache 2.0 许可，可从 Hugging Face、Kaggle 下载，支持 Ollama、LM Studio、llama.cpp、vLLM 等
- 低延迟优化：附带多 Token 预测（MTP）草稿模型，并首发 macOS 桌面端本地应用
Introducing Gemma 4 12B: a unified, encoder-free multimodal model
An overview of Gemma 4 12B, a model designed to bring high-performance multimodal intelligence directly to your laptop.
blog.google
登录后评论
暂无评论